如何在Python中生成0-1矩阵的所有可能组合？

如何生成大小为K×N的0-1矩阵的所有可能组合

例如，如果取K=2和N=2，则得到以下组合

combination 1
[0, 0;
 0, 0]; 
combination 2
[1, 0;
 0, 0]; 
combination 3
[0, 1;
 0, 0]; 
combination 4
[0, 0;
 1, 0]; 
combination 5
[0, 0;
 0, 1]; 
combination 6
[1, 1;
 0, 0]; 
combination 7
[1, 0;
 1, 0]; 
combination 8
[1, 0;
 0, 1]; 
combination 9
[0, 1;
 1, 0]; 
combination 10
[0, 1;
 0, 1]; 
combination 11
[0, 0;
 1, 1]; 
combination 12
[1, 1;
 1, 0]; 
combination 13
[0, 1;
 1, 1]; 
combination 14
[1, 0;
 1, 1]; 
combination 15
[1, 1;
 0, 1]; 
combination 16
[1, 1;
 1, 1]; 

---

带有

numpy

和

itertools

的一系列解决方案：

[np.reshape(np.array(i), (K, N)) for i in itertools.product([0, 1], repeat = K*N)]

说明：

product

函数返回其输入的笛卡尔乘积。例如，

product（[0,1]，[0,1]）

返回一个迭代器，该迭代器包含

[0,1]

和

[0,1]

的所有可能排列。换句话说，从产品迭代器绘制：

for i, j in product([0, 1], [0, 1]):

实际上相当于运行两个嵌套for循环：

for i in [0, 1]:
    for j in [0, 1]:

---

上面的for循环已经解决了

K，N=（1，0）

的特定情况下的问题。继续上述思路，为了生成向量

i

的所有可能的零/一状态，我们需要从迭代器中提取样本，该迭代器相当于深度

l

的嵌套for循环，其中

l=len（i）

。幸运的是，

itertools

通过其

repeat

关键字参数提供了实现这一点的框架。对于OP的问题，这个排列深度应该是

K*N

，这样在列表理解的每一步中，它都可以被重新塑造成大小合适的numpy数组。

更像是一个算法问题-->